7 芳芳不是我真名

尚未进行身份认证

我要认证

show me your code

等级
TA的排名 3w+

ElasticSearch的开篇-构建一个简单的全文搜索

文章目录ElasticSearch是什么?ElasticSearch能做些什么?ElasticSearch怎么用?1. 数据,数据,数据2.建立索引(index)3.搜索,搜索,搜索总结ElasticSearch是什么?ElasticSearch是一个基于Lucene的搜索服务器。它和Lucene之间的关系在下文的介绍中会通过流图来详细分析的。现在只要知道,ES(ElasticSearch)是...

2019-05-14 23:46:44

一文搞懂深度学习正则化的L2范数

想要彻底弄明白L2范数,必须要有一定的矩阵论知识,L2范数涉及了很多的矩阵变换。在我们进行数学公式的推到之前,我们先对L2范数有一个感性的认识。L2范数是什么?L2范数的定义其实是一个数学概念,其定义如下:这个公式看着相当熟悉吧,用的最多的欧式距离就是一种L2范数,表示向量元素的平方和再开方。正则化中的L2范数 说到正则化,我们要看一下,正则化在深度学习中含义是指什么...

2018-01-31 08:28:31

SVD和PCA

版权声明:    本文由LeftNotEasy发布于http://leftnoteasy.cnblogs.com, 本文可以被全部的转载或者部分使用,但请注明出处,如果有问题,请联系wheeleast@gmail.com。也可以加我的微博: @leftnoteasy前言:    上一次写了关于PCA与LDA的文章,PCA的实现一般有两种,一种是用特征值分解去实现的,一种是用

2018-01-24 20:28:35

Caffe-SSD 和Faster RCNN训练 Caltech行人数据集

前言:    本教程的主要内容:        1,将Caltech行人数据集转换成Caffe-SSD,Faster RCNN系列能够训练的格式(VOC数据集格式);    2,同理,可以将INRIA,ETH,TUD等数据集转换成VOC格式。    3,Caltech数据集转换后适用的算法:RCNN系列(Faster RCNN,RFCN),SSD系列 Caltech数据

2018-01-21 20:19:22

caffe-SSD训练自己的数据集

本文介绍目标检测中数据集的准备、转换以及使用ssd进行训练的整个过程。内容包括:1,数据集的准备    1)图片的标注    2)制作VOC数据集    3)将VOC数据集转换成lmdb格式2,如何使用ssd进行训练3,使用ssd做测试需要的环境:    win7,编译好的caffe ,python27, python PIL(P

2018-01-21 20:02:46

SSD目标检测算法改进DSSD(反卷积)

论文:DSSD : Deconvolutional Single Shot Detector论文地址:https://arxiv.org/abs/1701.06659代码:https://github.com/chengyangfu/caffe/tree/dssdDSSD是2017年的CVPR,二作就是SSD的一作Wei Liu。另外值得

2018-01-20 17:19:14

SSD目标检测算法改进:DSOD(不需要预训练的目标检测算法)

论文的题目:DSOD: Learning Deeply Supervised Object Detectors from Scratch论文下载链接:http://openaccess.thecvf.com/content_ICCV_2017/papers/Shen_DSOD_Learning_Deeply_ICCV_2017_paper.pdf代码地址:https://github.co

2018-01-19 21:18:52

RCNN系列之Faster RCNN详解

RCNN系列:RCNN,SPPNet,Fast RCNN,Faster RCNN,R-FCN。这一系列是个递进关系,也是目标检测使用two-stage方法的一个发展过程。想要更好的理解Faster RCNN和R-FCN,只能把这些算法都梳理清楚了,才能明白算法的整个优化过程。本篇讲解的是Faster RCNN。2016年,发表在CVPR。理解了SPPNet之后,我们知道了RCNN已经进化到

2018-01-10 10:13:40

RCNN系列之Fast RCNN详解

RCNN系列:RCNN,SPPNet,Fast RCNN,Faster RCNN,R-FCN。这一系列是个递进关系,也是目标检测使用two-stage方法的一个发展过程。想要更好的理解Faster RCNN和R-FCN,只能把这些算法都梳理清楚了,才能明白算法的整个优化过程。本篇讲解的是Fast RCNN。2015年,在SPPNet之后发表在IEEE。理解了SPPNet之后,我们知道了RC

2018-01-09 20:43:02

RCNN 系列之SPPNet详解

RCNN系列:RCNN,SPPNet,Fast RCNN,Faster RCNN,R-FCN。这一系列是个递进关系,也是目标检测使用two-stage方法的一个发展过程。想要更好的理解Faster RCNN和R-FCN,只能把这算法都梳理清楚了,才能明白这个递进过程。本篇讲解的是SPPNet。2015年发表在IEEE。SPPNet为何出现?之前的网络,比如LeNet,A

2018-01-09 20:34:15

详解VGG16以及启发

论文名字是《Very Deep Convolutional Networks For Large-Scale Image Recongnition》下载链接:http://vc.cs.nthu.edu.tw/home/paper/codfiles/melu/201604250548/VGG.pdf为什么要读VGG16?作为基础网络,分类性能非常好;VGG16的网络结

2018-01-04 09:43:37

如何解决数据不均衡对CNN的影响

读《The Impact of Imbalanced TrainingData for Convolutional Neural Networks》有感,再加上自己的一些理解。论文地址:http://www.diva-portal.org/smash/get/diva2:811111/FULLTEXT01为什么会看到这篇文章呐?原因是我最近在做一个实验,finetuning caffene

2017-12-29 11:43:58

使用caffe训练CNN,Loss不下降,维持在某个数字-log(类别数)

这也是困扰我一段时间的问题,loss不下降,一直在找其他的原因,权重初始化从gaussian到xiavier,查看了反向传播的diff后,总觉得梯度消失了,还想着加上BN层。以上统统没有效果,为什么呐?数据没有shuffle!每一个minibatch几乎都是同一类,这样必然出现大问题。为什么呐?caffe中的优化方法默认是SGD,这里的SGD其实是minibatch-SGD算法,计

2017-12-29 11:34:41

Scalable Object Detection using Deep Neural Networks笔记

解决的问题:将深度网络应用到多object,并且object未知的情况。整体思路:用CNN(DNN(AlexNet))预测一系列的bounding box,每一个bounding box都会有对应的一个分数,这个分数就是box里有没有物体的置信度。创新点:本文主打的就是scalable,可扩展性,具体是指物体类别增多的情况下,bounding b

2017-12-15 21:34:37

神经网络中单层神经元表示逻辑运算

心得体会先谈谈个人对神经网络的一些理解。现在很多框架都把神经网络当做黑盒子来用了,其中的很多算法步骤都看不到,用起来总有些心虚。我们知道一般的神经网络都是长成上图这个样子的,经典的三层:输入层、隐藏层和输出层。  为了更好的了解神经网络的本质,我们把左半部分遮住的话就是上图这个样子。如果你学过逻辑回归的话,就能看出来,其实这部分就是一个简单的逻辑回归

2017-11-30 16:43:21

机器学习-线性回归算法(python实现)个人理解

前言: 线性回归是机器学习中最基础的一个算法。虽然线性回归是最简单的机器学习算法之一,但是其包含了几乎所有的机器学习算法中需要的步骤:数据预处理,假设函数,代价函数,优化方法,模型测试。也可谓是麻雀虽小,五脏俱全。算法的由来, 都求过一元一次方程,y=ax+b,求这个方程只需要两个点即可。问题往往不会那么简单!如果给了三个点怎么办?简单的情况:当然三个点都在一条直线上,那就

2017-11-28 11:48:36

python的map,reduce和zip

map函数的官方解释:map(function, iterable, ...)Return an iterator that applies function to every item of iterable, yielding the results. If additional iterable arguments are passed, function mus

2017-11-22 10:48:47

对CNN感受野一些理解

       感受野(receptive field)被称作是CNN中最重要的概念之一。为什么要研究感受野呐?主要是因为在学习SSD,Faster RCNN框架时,其中prior box和Anchor box的设计,一直搞不明白。当我理解了感受野才有点恍然大悟的感觉。快速看完这篇文章的前提是,要对CNN有个大致了解,feature map等术语要知道。       先看八股式定义,感受野:在卷...

2017-11-21 15:55:36

caffe使用入门

作者:芳芳不是我真名      前言:本文主要讲解caffe的使用流程,其实只需要一些简单的操作就能让caffe运行起来,训练网络,完成自己对caffe的初体验。另外要强调的一点是,由于实验室要求,本教程是在windows-caffe下制作的,所有操作都是在windows环境下完成。无论在什么平台下,原理都是一样的,只是一些具体步骤的实现不同罢了。      在

2017-11-17 20:06:31

caffe-windows的安装和配置(cpu)

前言     无论是在windows下还是Ubuntu下,caffe的安装和配置都是相当麻烦的,主要原因是caffe依赖的库非常多,稍有不慎就会出现这样或者那样的问题。随着caffe的成熟,caffe的微软官方版本出来之后,caffe的安装就变得相当简单了,用Nuget方便地把需要的dll和文件添加到caffe项目中。这就意味着只要把基本的配置文件修改好后,caffe就会使

2017-07-20 23:58:25

查看更多

勋章 我的勋章
  • 持之以恒
    持之以恒
    授予每个自然月内发布4篇或4篇以上原创或翻译IT博文的用户。不积跬步无以至千里,不积小流无以成江海,程序人生的精彩需要坚持不懈地积累!
  • 勤写标兵Lv1
    勤写标兵Lv1
    授予每个自然周发布1篇到3篇原创IT博文的用户。本勋章将于次周周三上午根据用户上周的博文发布情况由系统自动颁发。